Gesundheitswesen
Ro startet ein Forschungslabor, um Patientendaten in klinische Evidenz zu überführen
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Ro kündigte die Gründung des Ro Research Lab an – eine Initiative, die KI, reale Patientendaten und wissenschaftliche Forschung miteinander verbindet – am 6. November 2026. Ro plant, erste Erkenntnisse zu veröffentlichen, jene, die einer Peer-Review standhalten, zur Begutachtung einzureichen und die Evidenz in klinische Leitlinien, Instrumente und Versorgung für Patienten innerhalb und außerhalb der eigenen Plattform umzusetzen.
Die Initiative richtet sich gegen die Verzögerung zwischen einer medizinischen Erkenntnis und einer Intervention, die sich in großem Maßstab umsetzen lässt. Sie setzt bei einem System an, in dem Patienteninformationen verstreut sind, Versorgungsergebnisse schwer zu quantifizieren sind und es Jahre dauern kann, bis Forschung die Behandlung beeinflusst. Die Plattform von Ro führt klinische Versorgung, Apothekendaten, Laborergebnisse und von Patienten berichtete Ergebnisse zusammen. So entstehen Informationen zu Nebenwirkungen, Schlaf, Herzfrequenz und Gewicht aus dem, was das Unternehmen als Millionen von Patientenerfahrungen beschreibt.
Die Forschungsfragen drehen sich darum, warum Patienten unterschiedlich auf dieselbe Behandlung ansprechen. Ro möchte herausfinden, warum eine Person durch ein Medikament möglicherweise 35 % ihres Körpergewichts verliert, eine andere hingegen 5 %, warum Nebenwirkungen unterschiedlich ausfallen und wie Genetik, Verhalten und Behandlungsentscheidungen die Ergebnisse beeinflussen. KI soll nach Mustern suchen; wissenschaftliche Tests werden parallel dazu mit Klinikern und akademischen Forschern durchgeführt. Zu den geplanten Themen gehören Herzinfarkte, anhaltende Gedanken ans Essen, psychische Gesundheit und Lebensmitteleinkäufe.
Eine frühere Evaluierung der KI-Triage
Das Publikationsverzeichnis des Labors enthält ein Abstract zur Evaluierung eines Triage-Tools für unerwünschte Ereignisse in der telemedizinischen Versorgung von Menschen mit Adipositas. Das eigens entwickelte Large Language Model (LLM) erkannte Patientenmitteilungen über aktuelle oder kürzlich aufgetretene unerwünschte Ereignisse während einer GLP-1-Behandlung, stufte deren Schweregrad ein und erstellte Warnmeldungen mit hoher Priorität zur Prüfung durch ein zugelassenes Versorgungsteam. Laut der Studientabelle wurde die Arbeit vom 30. November 2024 bis zum 9. Dezember 2024 durchgeführt und liegt damit vor dem offiziellen Start.
Klinische Apotheker halfen dabei, die strukturierten Angaben zum Schweregrad zu entwickeln, die in die Eingabeaufforderung aufgenommen wurden. Menschliche Prüfer kennzeichneten annotierte Mitteilungen, um die Präzision der Erkennung zu beurteilen. Für die operative Auswertung wurde eine Zufallsstichprobe von 3.500 Mitteilungen herangezogen, die in den vier Tagen vor und den fünf Tagen nach der Einführung eingegangen waren. Das Modell stufte Mitteilungen bereits vor der vollständigen Einführung ein, seine Ausgaben waren jedoch noch nicht mit der Weiterleitung oder der Auslösung von Warnmeldungen verknüpft. Dadurch ließen sich die Reaktionszeiten des Versorgungsteams vor und nach Einführung der Warnmeldungen vergleichen.
Die Autoren berichteten, dass bei der Erkennung von Inhalten zu unerwünschten Ereignissen eine Rate richtig positiver Ergebnisse von 94 % erzielt wurde. Bei 1.628 Mitteilungen vor und 1.872 nach der Einführung sank die mediane Zeit bis zur ersten klinischen Reaktion von 115,1 Minuten auf 33,0 Minuten; die mediane Verkürzung betrug 82,1 Minuten (P <.001). Bei dringenden unerwünschten Ereignissen lag die mediane Reaktionszeit nach der Einführung bei 25,8 Minuten.
Frühere Veröffentlichungen und ihre Grenzen
Das Labor hatte bereits vor seiner offiziellen Ankündigung mit Veröffentlichungen begonnen. Eine Analyse körperlicher Aktivität und die Vorstellung des GLP-1 Pipeline Tracker sind beide auf den 29. Oktober 2026 datiert. Zusammengenommen zeigen sie zwei unterschiedliche Arten von Ergebnissen: eine Analyse der Erfahrungen von Ro-Patienten und ein öffentliches Instrument, das Informationen zur Entwicklung von Adipositasmedikamenten bündelt.
Ro berichtete von einem frühen Gewichtsverlust von 5,03 % bei Patienten, die angaben, kein Ausdauertraining zu betreiben, und von 5,24 % bei Patienten, die mindestens 2,5 Stunden pro Woche angaben. Patienten, die von mehr Bewegung berichteten, gaben im ersten Monat außerdem häufiger an, mehr Energie zu haben, eine bessere Stimmung und einen besseren Schlaf zu erleben und weniger Heißhunger zu verspüren. Damit bezog die Analyse die Behandlungserfahrung insgesamt ein, statt sich ausschließlich auf das Gewicht zu konzentrieren.
Die körperliche Aktivität wurde beim ersten Nachsorgetermin, etwa zwei Wochen nach Behandlungsbeginn, selbst angegeben. Die Forscher verwendeten eine lineare Regression, um den Zusammenhang zwischen Aktivität und Gewichtsverlust etwa im zweiten Monat zu untersuchen; dabei berücksichtigten sie den Body-Mass-Index zu Studienbeginn, das Alter und das biologische Geschlecht. Ro wies darauf hin, dass die Bewegung nur zu einem einzigen Zeitpunkt erfasst wurde, sich die Aktivität während der Nachbeobachtung ändern konnte, nicht erfasste Störfaktoren die Ergebnisse beeinflussen konnten und Beobachtungszusammenhänge keinen Kausalzusammenhang belegen.
Der Pipeline-Tracker stützt sich auf öffentlich zugängliche Pressemitteilungen, veröffentlichte Fachartikel und Einträge bei ClinicalTrials.gov, nicht auf Patientendaten von Ro. Er bietet Suchmöglichkeiten nach Unternehmen, Medikament oder Medikamententyp, einen Zeitstrahl zur klinischen Entwicklung, Wirksamkeitsergebnisse, demografische Angaben zu den Studienteilnehmern, Informationen zu unerwünschten Ereignissen sowie Ansichten zum direkten Vergleich von Studien. Ro weist darauf hin, dass verschiedene Studien nicht unmittelbar vergleichbar sind, auch wenn ihre Ergebnisse gemeinsam dargestellt werden.
Gemeinsam ist all diesen Vorhaben die Arbeitsteilung: KI erkennt Muster oder markiert Mitteilungen, Forscher untersuchen Zusammenhänge, und im Beispiel der Triage bleiben die klinischen Entscheidungen den Leistungserbringern vorbehalten. Ro verfolgt nun das weitergehende Ziel, aus kontinuierlich erhobenen Patientenbeobachtungen durch diese Arbeitsteilung evidenzbasierte Erkenntnisse und bessere Leitlinien zu gewinnen, statt es bei ersten Ergebnissen zu belassen. Ob das gelingt, bleibt abzuwarten.
